众所周知，至少从 1960 年后期开始，如果您对多个预测^进行平均计算，那么在许多情况下，最终的总体预测将优于单个预测。Bagging、boosting 和 stacking都是基于这个想法。所以是的，如果你的目标纯粹是预测，那么在大多数情况下，这是你能做的最好的。这种方法的问题在于它是一种黑盒方法，它返回结果但不能帮助您理解和解释它。显然，它也比任何其他方法的计算量更大，因为您必须计算很少的预测而不是单个预测。

_{† 这通常与任何预测有关，但通常在预测文献中有所描述。}

温克勒，RL。和 Makridakis, S. (1983)。预测的组合。 JR统计。社会党。答：146 (2)、150-157。

Makridakis, S. 和 Winkler, RL (1983)。预测的平均值：一些实证结果。 管理科学，29 (9) 987-996。

克莱门，RT (1989)。结合预测：评论和带注释的参考书目。 国际预测杂志， 5，559-583。

贝茨，JM 和格兰杰，CW（1969 年）。预测的组合。 或者， 451-468。

Makridakis, S. 和 Hibon, M. (2000)。M3 竞赛：结果、结论和影响。 国际预测杂志，16 (4), 451-476。

里德，DJ (1968)。结合国内生产总值的三个估计值。经济， 431-444。

Makridakis, S.、Spiliotis, E. 和 Assimakopoulos, V. (2018)。M4 竞赛：结果、发现、结论和前进方向。国际预测杂志。

Arthur (1994)有一篇不错的简短论文/思想实验，在复杂性文献中广为人知。

其中一个结论是，代理在非平衡条件下无法选择更好的预测模型（即使他们有这些模型的“森林”）。例如，如果将问题应用于股票市场表现，则 Arthur (1994) 的设置可能适用。